TensorFlow发布1.12.0版本,改善XLA稳定性和性能

AI前线导读: 近日,TensorFlow发布1.12.0版本,对主要功能进行了一些改进,并修复了一些错误,如Keras模型现在可以直接导出为SavedModel格式等。

主要功能和改进

  • Keras模型现在可以直接导出为SavedModel格式(tf.contrib.saved_model.save_keras_model())并与Tensorflow服务一起使用。
  • Keras模型现在支持使用tf.data.Dataset进行评估。
  • TensorFlow二进制文件在默认链接的XLA支持下构建。
  • Ignite Dataset添加到contrib / ignite,它允许使用Apache Ignite。

错误修复和其他更改

  • tf.data:
    • tf.data用户现在可以分别使用tf.data.Options(),tf.data.Dataset.options()和tf.data.Dataset.with_options()来表示、获取和设置TensorFlow输入管道的选项。
    • 新的tf.data.Dataset.reduce()API允许使用用户提供的reduce函数将有限数据集缩减为单个元素。
    • 新的tf.data.Dataset.window()API允许用户创建输入数据集的有限窗口;当与tf.data.Dataset.reduce()API结合使用时,这允许用户实现自定义批处理。
    • 所有C ++代码都移动到tensorflow :: data命名空间。
    • 添加对num_parallel_calls的支持到tf.data.Dataset.interleave。
  • tf.contrib:
    • 删除tf.contrib.linalg。使用tf.linalg代替。
    • 用meta_graph_def.signature_def [signature_def_key]替换对tf.contrib.get_signature_def_by_key(metagraph_def,signature_def_key)的任何调用。通过捕获KeyError异常代替捕获tf.contrib.get_signature_def_by_key产生的ValueError异常。
  • tf.contrib.data
    • 弃用,并用tf.data.experimental替换。
  • 其他:
    • 改善XLA稳定性和性能。
    • 修复Cloud ML Engine中的单个副本TensorBoard摘要统计信息。
    • TPUEstimator:并行初始化数据集迭代器。
    • Keras对TPU模型质量和错误修复。
    • 恢复使用系统malloc,而不是jemalloc,因为它简化了构建且性能相当。
    • 从tf.nn.softplus和tf.nn.softsign OpDefs中删除整数类型。这是一个错误修正;这些操作从来都不是为了支持整数。
    • 允许使用单个维度对张量进行子句划分。
    • 添加选项以Unicode字符计算字符串长度
    • 向SubSlice添加一个张量的功能。
    • 添加searchsorted(即lower / upper_bound)op。
    • 为Boosted Trees添加模型可解释性。
    • 支持tf.substr的negative positions
    • 之前在bijector_impl中存在一个错误,其中_reduce_jacobian_det_over_event无法正确处理标量ILDJ实现。
    • 在eager execution中,允许重新进入GradientTape上下文
    • 添加tf_api_version标志。如果传入了–define = tf_api_version = 2标志,那么bazel将构建TensorFlow API 2.0版本。请注意,TensorFlow 2.0正在积极开发中,目前还无法保证发布。
    • 向TfRecordWriter添加其他压缩选项
    • 正则表达式完全匹配操作的性能改进。
    • 用tf.GraphKeys.GLOBAL_VARIABLES替换tf.GraphKeys.VARIABLES
    • 删除未使用的动态学习速率支持

你可能感兴趣的:(TensorFlow发布1.12.0版本,改善XLA稳定性和性能)